NO328256B1

NO328256B1 - Audio System

Info

Publication number: NO328256B1
Application number: NO20045702A
Authority: NO
Inventors: Trygve Frederik Marton
Original assignee: Tandberg Telecom As
Priority date: 2004-12-29
Filing date: 2004-12-29
Publication date: 2010-01-18
Also published as: JP4644715B2; EP1832104A1; DE602005021546D1; ATE469505T1; NO20045702L; CN101133633A; JP2008526162A; WO2006071119A1; CN101133633B; ES2345206T3; EP1832104B1; US20060182268A1

Abstract

The present invention relates to an audio communication system and method with improved acoustic characteristics. In particular, the present invention discloses a system and a method for modifying the loudspeaker signal for allowing improved echo cancellation of the audio signal captured by the microphone without deteriorate the perceptual stereo (or multi channel) sound. The basic idea is to merge the signals from the different channels into a mono characteristic signal, still keeping sufficient spatial information to provide perceptual multi channel sound on the loud speaker.

Description

Oppfinnelsens område Field of the invention

Den foreliggende oppfinnelse relaterer seg til et audiokommunikasjonssystem og fremgangsmåte med forbedrede akustiske karakteristikker, og spesielt til et konferansesystem inkludert forbedrede The present invention relates to an audio communication system and method with improved acoustic characteristics, and in particular to a conference system including improved

audioekkokanselleringskarakteristikker. audio echo cancellation characteristics.

Oppfinnelsens bakgrunn The background of the invention

I et konvensjonelt konferansesystem vil en eller flere mikrofoner innfange en lydbølge ved et fjernendested og transformere lydbølgen inn til et første audiosignal. Det første audiosignalet blir sendt til nærendesiden der et fjernsynssett eller en forsterker og høyttaler reproduserer den opprinnelige lydbølgen ved å konvertere det første audiosignalet generert ved det første sted inn til lydbølgen. Den produserte lydbølgen ved nærendestedet blir delvis innfanget av audioinnfangingssystemet ved nærendestedet og konvertert til et andre audiosignal og sendt tilbake til systemet ved fjernendestedet. Dette problemet med å ha en lydbølge som innfanges ved et sted, og videresendes til det andre stedet for så å bli sendt tilbake til opprinnelsesstedet blir referert til som akustisk ekko. I sin mest alvorlige form kan det akustiske ekko forårsake tilbakekoblingslyd (feedback sound) når løkkeforsterkningen er over en. Det akustiske ekko forårsaker også at deltakerne ved hvert sted hører seg selv, noe som gjør en samtale over konferansesystemet vanskelig. Spesielt om det er forsinkelser i systemoppsettet, noe som er vanlig innenfor videokonferansesystemer. Det akustiske ekkoproblemet blir vanligvis løst ved bruk av en akustisk ekkokansellator beskrevet i det etterfølgende. In a conventional conference system, one or more microphones will capture a sound wave at a remote location and transform the sound wave into a first audio signal. The first audio signal is sent to the feed side where a television set or an amplifier and speaker reproduces the original sound wave by converting the first audio signal generated at the first location into the sound wave. The sound wave produced at the source is partially captured by the audio capture system at the source and converted into a second audio signal and sent back to the system at the source. This problem of having a sound wave that is captured at one location, relayed to the other location and then sent back to the location of origin is referred to as acoustic echo. In its most severe form, the acoustic echo can cause feedback sound when the loop gain is above unity. The acoustic echo also causes the participants at each location to hear themselves, making a conversation over the conference system difficult. Especially if there are delays in the system setup, which is common within video conferencing systems. The acoustic echo problem is usually solved by using an acoustic echo canceller described below.

Figur 1 viser et eksempel på et akustisk ekkokansellatorsubsystem. Figure 1 shows an example of an acoustic echo canceller subsystem.

I figur 1 gjelder følgende sammenhenger mellom figurelementer og deres henvisningsbetegnelser: In Figure 1, the following relationships apply between figure elements and their reference designations:

I det minste ett av deltakerstedene har en akustisk ekkokansellatorsubsystem for å redusere ekko i kommunikasjonssystemet. Det akustiske ekkokansellatorsubsystemet er en fullbåndsmodell av en digital akustisk ekkokansellator. En fullbåndsmodell prosesserer et fullstendig audiobånd (for eksempel opp til 20 kHz for videokonferanser er båndet typisk 7 kHz eller høyere, i audiokonferanser vil båndet typisk gå opp til 3,4 kHz) av audiosignalene direkte. At least one of the participating sites has an acoustic echo canceller subsystem to reduce echoes in the communication system. The acoustic echo canceller subsystem is a full-band model of a digital acoustic echo canceller. A full-band model processes a complete audio band (for example up to 20 kHz for video conferencing the band is typically 7 kHz or higher, in audio conferencing the band will typically go up to 3.4 kHz) of the audio signals directly.

Som allerede nevnt oppnås kompensasjon av akustisk ekko vanligvis ved en akustisk ekkokansellator. Den akustiske ekkokansellator er en frittstående anordning eller en integrert del i tilfelle av kommunikasjonssystemet. Den akustiske ekkokansellatoren transformerer det akustiske signalet sendt fra fjernendested til nærendestedet, for eksempel ved bruk av en lineær/ikke-lineær matematisk modell og den vil så subtrahere det matematisk modulerte akustiske signal fra det akustiske signal sendt fra nærendestedet til fjernendestedet. I mer detalj, ved å referere for eksempel til det akustiske ekkokansellatorsubsystemet ved fjernendestedet i figur 1 vil den akustiske ekkokansellator overføre det første akustiske signalet fra fjernendestedet gjennom den matematiske modulatoren for det akustiske systemet og beregne et estimat for ekkosignalet for så å trekke det estimerte ekkosignal fra det andre audiosignal innfanget ved nærendestedet og sende tilbake det andre audiosignal minus det estimerte ekko til fjernendesignalet. Ekkokansellatorsubsystemet for figur 1 inkluderer en estimeringsfeil, det vil si forskjellen mellom det estimerte ekko og det virkelige ekko for å oppdatere eller tilpasse den matematiske modellen til en bakgrunnsstøy eller endringer i miljøet ved en posisjon der lyden blir innfanget av audioinnfangingsanordningen. As already mentioned, compensation of acoustic echo is usually achieved by an acoustic echo canceller. The acoustic echo canceller is a stand-alone device or an integral part in the case of the communication system. The acoustic echo canceller transforms the acoustic signal sent from the removal site to the feeding site, for example using a linear/non-linear mathematical model and it will then subtract the mathematically modulated acoustic signal from the acoustic signal sent from the feeding site to the removal site. In more detail, referring for example to the acoustic echo canceller subsystem at the removal site in Figure 1, the acoustic echo canceller will pass the first acoustic signal from the removal site through the mathematical modulator of the acoustic system and calculate an estimate of the echo signal and then subtract the estimated echo signal from the second audio signal captured at the feeding site and send back the second audio signal minus the estimated echo to the removal signal. The echo canceller subsystem of Figure 1 includes an estimation error, that is, the difference between the estimated echo and the true echo to update or adapt the mathematical model to a background noise or changes in the environment at a position where the sound is captured by the audio capture device.

Den akustiske systemmodellen som brukes ved de fleste ekkokansellatorer er en FIR (Finite Impulse Respons) - filter som tilnærmer transferfunksjonen for den direkte lyd og mesteparten av refleksjonene i rommet. En fullbåndsmodell av det akustiske systemet er relativ kompleks og prosesskraftkrevende, og alternativer til fullbåndsmodeller normalt å foretrekke. The acoustic system model used in most echo cancellers is an FIR (Finite Impulse Response) filter that approximates the transfer function for the direct sound and most of the reflections in the room. A full-band model of the acoustic system is relatively complex and demanding of processing power, and alternatives to full-band models are normally preferable.

En metode for å redusere prosessorkraftbehovet for en ekkokansellator er å introdusere subbåndsprosessering, det vil si at signalet blir delt inn i bånd med mindre båndbredde som kan bli representert ved bruk av en lavere samplingfrekvens. Et eksempel på et slikt system blir illustrert i figur 2. One method of reducing the processing power requirement for an echo canceller is to introduce subband processing, that is, the signal is divided into bands of smaller bandwidth that can be represented using a lower sampling frequency. An example of such a system is illustrated in Figure 2.

I figur 2 gjelder følgende sammenhenger mellom figurelementer og deres henvisningsbetegnelser: In Figure 2, the following relationships apply between figure elements and their reference designations:

Høyttaleren og mikrofonsignalet blir delt av et analysefilter inn til subbånd der hvert representerer et mindre område av frekvenser av den opprinnelige høyttaler og mikrofon, henholdsvis. Tilsvarende ekkokansellering og andre prosesseringer blir utført på hvert subbånd før alle bånd av den modifiserte mikrofon blir sammenslått for å danne et fullbåndssignal av et syntesefilter. The speaker and microphone signal is split by an analysis filter into subbands where each represents a smaller range of frequencies of the original speaker and microphone, respectively. Corresponding echo cancellation and other processing is performed on each subband before all bands of the modified microphone are combined to form a full-band signal by a synthesis filter.

Kjernekomponenten i en ekkokansellator er den allerede nevnte akustiske modell (vanligvis implementert som et FIR-filter). Den akustiske modell forsøker å imitere overføringsfunksjonen for fjernendesignalet fra høyttaleren til mikrofonen. Denne adaptive modellen blir oppdatert ved gradientsøkealgoritmer. Algoritmen forsøker å minimalisere en feilfunksjon som er tensen av signalet etter at ekkosestimatet er fratrukket. For en monoekkokansellator vil denne løsningen fungere. Det er en ensartet og unik løsning. The core component of an echo canceller is the already mentioned acoustic model (usually implemented as an FIR filter). The acoustic model attempts to imitate the transfer function of the removal signal from the speaker to the microphone. This adaptive model is updated by gradient search algorithms. The algorithm attempts to minimize an error function which is the tensor of the signal after the echo estimate has been subtracted. For a mono echo canceller, this solution will work. It is a uniform and unique solution.

Innenfor høykvalitetskommunikasjon vil det imidlertid ofte være ønskelig å overføre og representere Within high-quality communication, however, it will often be desirable to transfer and represent

høykvalitetsmultikanalaudio, for eksempel stereoaudio. Stereoaudio inkluderer audiosignaler fra to separate kanaler som representerer forskjellige romlige audio fra en bestemt lydkomposisjon. Lasting av kanalene på hver high-quality multichannel audio, such as stereo audio. Stereo audio includes audio signals from two separate channels that represent different spatial audio from a specific sound composition. Loading the channels on each

respektive høyttaler krever en mer troverdig audioreproduksjon idet tilhøreren vil oppfatte en romlig forskjell mellom audiokildene fra hvilke lydkomposisjonen er skapt. respective speaker requires a more credible audio reproduction as the listener will perceive a spatial difference between the audio sources from which the sound composition is created.

Signalet som blir spilt på en høyttaler kan skille seg fra signalet presentert på den andre høyttaleren(e). Således, for en stereo- (eller multikanal-) ekkokansellator vil transferfunksjonen fra hver respektive høyttaler til mikrofonen måtte bli kompensert for. Dette er en noe forskjellig situasjon sammenlignet med monoaudioekkokansellasjon, idet det er to forskjellige, men korrelerte signaler det skal kompenseres for. The signal played on one speaker may differ from the signal presented on the other speaker(s). Thus, for a stereo (or multi-channel) echo canceller, the transfer function from each respective speaker to the microphone will have to be compensated for. This is a somewhat different situation compared to mono audio echo cancellation, in that there are two different but correlated signals to be compensated for.

Merk at transmisjon av stereosignaler ved bruk av flere mikrofoner ikke krever stereo-ekkokansellering om kun en høyttaler (eller monopresentasjonssignal) er til stede. Om multikanalaudio skal bli lagret, kan algoritmene (både innenfor teknikkens stilling og innenfor oppfinnelsen) bli duplisert og noen ganger forenklet (fordi mange deler er felles for alle mikrofoner). Dupliseringen er likefrem, også i tilfelle av stereo- eller multikanalsmottak av signaler, og dette dokumentet diskuterer ikke bruken av flere mikrofoner i detalj. Note that transmission of stereo signals using multiple microphones does not require stereo echo cancellation if only one speaker (or mono presentation signal) is present. If multi-channel audio is to be stored, the algorithms (both within the state of the art and within the invention) can be duplicated and sometimes simplified (because many parts are common to all microphones). Duplication is straightforward, even in the case of stereo or multi-channel reception of signals, and this document does not discuss the use of multiple microphones in detail.

I stereoaudio vil korrelasjon i de forskjellige kanaler tendere til å være signifikant. Dette medfører at normalgradientsøksalgoritmen ikke er tilstrekkelig. Matematisk uttrykket vil korrelasjonen introdusere flere falske minimumsløsninger til feilfunksjonen. Dette blir bl.a. beskrevet i Steven L. Gat and Jacob Benesty " Acoustic signal processing for telecommunication", Boston: Kluwer Academic Publishers, 2000. Det fundamentale problemet er at når flere kanaler bærer lineært relaterte signaler, vil løsningen for normalfunksjonen korrespondere til feilfunksjonen løst ved den adaptive algoritmen være enkel (singular). Dette, medfører at det ikke er noen enestående løsning på ligningen, men et endeløst antall av løsninger, og det kan vises at alle bortsett fra den virkelige avhenger av impulsresponsene for transmisjonsrommet (i denne konteksten vil transmisjonsrommet kunne inkludere et syntetisert transmisjonsrom som for eksempel innspilt eller programmert materiale avspilt ved fjernendestedet). Gradientsøkalgoritmen kan så bli fanget inn i et minimum som ikke nødvendigvis er den virkelige minimumsløsningen. In stereo audio, correlation in the different channels will tend to be significant. This means that the normal gradient search algorithm is not sufficient. Mathematically expressed, the correlation will introduce several false minimum solutions to the error function. This will, among other things, described in Steven L. Gat and Jacob Benesty "Acoustic signal processing for telecommunication", Boston: Kluwer Academic Publishers, 2000. The fundamental problem is that when multiple channels carry linearly related signals, the solution for the normal function will correspond to the error function solved by the adaptive algorithm be simple (singular). This means that there is no unique solution to the equation, but an infinite number of solutions, and it can be shown that all but the real one depend on the impulse responses of the transmission space (in this context, the transmission space could include a synthesized transmission space such as recorded or programmed material played at the removal point). The gradient search algorithm can then get trapped in a minimum which is not necessarily the real minimum solution.

En annen måte å uttrykke dette Another way of expressing this

stereoekkokansellatortilpasningsproblemet på, er at det er vanskelig å skille mellom en romresponsendring og audio-"bevegelse" i stereobildet. For eksempel vil den akustiske modellen matte endres tilbake om en taler starter å tale ved en forskjellig lokasjon ved fjernendestedet. Det er ingen adaptiv algoritme som kan spore en endring tilstrekkelig raskt og en monoekkokansellator i multikanaltilfellet vil ikke gi en tilfredsstillende ytelse. stereo echo canceller matching problem on, is that it is difficult to distinguish between a room response change and audio "motion" in the stereo image. For example, the acoustic model will automatically change back if a speaker starts speaking at a different location at the removal point. There is no adaptive algorithm that can track a change fast enough and a mono echo canceller in the multi-channel case will not give a satisfactory performance.

En typisk tilnærming for å overkomme de ovenfor nevnte falske minimumsløsningsproblemer nevnt over er vist i figur 3. A typical approach to overcome the aforementioned false minimum solution problems mentioned above is shown in Figure 3.

I figur 3 gjelder følgende sammenhenger mellom figurelementer og deres henvisningsbetegnelser: In Figure 3, the following relationships apply between figure elements and their reference designations:

Sammenlignet med monotilfellet vil analysefiltret være duplisert for å dele både høyre og venstre høyttalersignal inn i subbånd. Den akustiske modell er delt inn i to modeller (per subbånd), en for den høyre kanaloverføringsfunksjonen og en for den venstre kanaloverføringsfunksjonen. Compared to the mono case, the analysis filter will be duplicated to divide both the right and left speaker signals into subbands. The acoustic model is divided into two models (per subband), one for the right channel transfer function and one for the left channel transfer function.

For å overkomme de falske minimumsløsninger introdusert ved sammenhengen mellom venstre og høyre kanalsignaler, vil en de-korreleringsalgoritme bli introdusert. Denne de-korreleringen gjør det mulig å korrekt oppdatere de akustiske modeller. Imidlertid vil de-korreleringsteknikken også modifisere signalene som er presentert på høyttalerne. Mens kvalitetbevarende modifikasjonsteknikker kunne være akseptable, vil de fleste de-korreleringsteknikker i henhold til teknikkens stiling forvrenge lyden vesentlig. I tillegg har ikke-beregningskrevende adaptive algoritmer så som LMS (least mean square) eller NLMS (normalized least mean square) tendens til å konvergere sakte for de-korrelerte stereosignaler ved bruk i henhold til teknikkens stilling. Derfor vil løsninger i henhold til teknikkens stilling vanligvis anvende mer beregningskrevende algoritmer, for eksempel RLS (recursive least square). To overcome the false minimum solutions introduced by the correlation between left and right channel signals, a de-correlation algorithm will be introduced. This de-correlation makes it possible to correctly update the acoustic models. However, the de-correlation technique will also modify the signals presented to the loudspeakers. While quality-preserving modification techniques might be acceptable, most de-correlation techniques, according to the styling of the technique, will significantly distort the sound. In addition, non-computationally demanding adaptive algorithms such as LMS (least mean square) or NLMS (normalized least mean square) tend to converge slowly for de-correlated stereo signals when used according to the state of the art. Therefore, solutions according to the state of the art will usually use more computationally demanding algorithms, for example RLS (recursive least square).

"Stereophonic akustiske ekko cancellation using nonlinear transformation and comb filtering" Jacob Benesty et al, "Stereophonic acoustic echo cancellation using nonlinear transformation and comb filtering" Jacob Benesty et al,

Bell Laboratories, Lucent Technology, beskriver et stereomottakingsaudiosystem som dels bruker comb-filtrering på stereoinngangssignaler for å de-korrelere kanaler som tillater raskt konvergerende adaptive algoritmer innenfor ekkokansellatormodulen. Imidlertid, som følge av den krevde kompleksiteten er det fremdeles for beregningskrevende. Bell Laboratories, Lucent Technology, describes a stereo receive audio system that in part uses comb filtering on stereo input signals to de-correlate channels allowing fast converging adaptive algorithms within the echo canceller module. However, due to the required complexity it is still too computationally demanding.

Kjent teknikk kan løse stereoekkoproblemet, men den bevarer ikke den nødvendige kvaliteten for audiosignalet og i tillegg er teknikkene beregningskrevende som følge av dupliseringen av ekkobaneestimatet for andre subfunksjoner og som følge av de mer komplekse adaptive algoritmene som er nødvendig. Known technique can solve the stereo echo problem, but it does not preserve the necessary quality for the audio signal and in addition the techniques are computationally demanding due to the duplication of the echo path estimate for other sub-functions and due to the more complex adaptive algorithms that are required.

EP-1 052 838 beskriver et ekkokanselleringssystem hvor koeffisientene i et ekkokanselleringsfilter tilpasses ved å benytte informasjon som ligger i krysskorrelasjonen mellom kanaler i inngangssignalet, og ved bruk av spesielt utviklede, komplekse konvolusjonsberegninger. EP-1 052 838 describes an echo cancellation system where the coefficients in an echo cancellation filter are adapted by using information contained in the cross-correlation between channels in the input signal, and by using specially developed, complex convolution calculations.

WO-03/085645 beskriver et kodingssystem for stereoaudio. For reduksjon av bitraten ved overføring, benyttes et prediksjonsfilter for å frembringe den ene stereokanal, mens den andre stereokanalen brukes som inngangssignal til prediksjonsfilteret. WO-03/085645 describes a coding system for stereo audio. To reduce the bitrate during transmission, a prediction filter is used to produce one stereo channel, while the other stereo channel is used as an input signal to the prediction filter.

WO-03/015275 viser et adaptivt signalprosesseringssystem hvor en analysefilterbank transformerer en WO-03/015275 shows an adaptive signal processing system where an analysis filter bank transforms a

primærinformasjon i tidsplanet til oversamplede subbånd-primærsignaler i frekvensplanet. En analysefilterbank transformerer et referansesignal i tidsplanet til oversamplede subbåndreferansesignaler. Signalene fra filterbankene prosesseres for å generere et forbedret utgangssignal. primary information in the time plane to oversampled subband primary signals in the frequency plane. An analysis filter bank transforms a reference signal in the time plane into oversampled subband reference signals. The signals from the filter banks are processed to generate an improved output signal.

Sammendrag for oppfinnelsen Summary of the invention

Det er en hensikt ved den foreliggende oppfinnelse å skaffe til veie et system og en fremgangsmåte som minimaliserer audioekko når stereo er til stede. It is an aim of the present invention to provide a system and method which minimizes audio echo when stereo is present.

Oppfinnelsen er angitt ved et system og en fremgangsmåte slik det fremgår av patentkravene. The invention is indicated by a system and a method as shown in the patent claims.

Kort beskrivelse av tegningene Brief description of the drawings

For å gjøre oppfinnelsen enklere forståelig vil en i diskusjonen som følger referere seg til de vedlagte tegninger. Figur 1 er et detaljert blokkdiagram av et konvensjonelt konferansesystemoppsett, Figur 2 viser et blokkdiagram av det korresponderende ekkokansellatorsubsystemet implementert med subbåndsprosessering, Figur 3 er et blokkdiagram av et stereoekkokansellatorsystem i henhold til teknikkens stilling, Figur 4 viser et blokkdiagram av en generell utførelse av den foreliggende oppfinnelse, Figur 5 er et blokkdiagram av en første foretrukket utførelsesform av den foreliggende oppfinnelse, Figur 6 illustrerer frekvensresponsen for filtre brukt i den første og den andre foretrukne utførelsesformen for den foreliggende oppfinnelse, Figur 7 er et blokkdiagram av en andre foretrukket utførelsesform for den foreliggende oppfinnelse, Figur 8 er et blokkdiagram for en tredje foretrukket utførelsesform ved den foreliggende oppfinnelse. In order to make the invention easier to understand, in the discussion that follows, reference will be made to the attached drawings. Figure 1 is a detailed block diagram of a conventional conference system setup, Figure 2 shows a block diagram of the corresponding echo canceller subsystem implemented with subband processing, Figure 3 is a block diagram of a stereo echo canceller system according to the prior art, Figure 4 shows a block diagram of a general embodiment of the present invention, Figure 5 is a block diagram of a first preferred embodiment of the present invention, Figure 6 illustrates the frequency response of filters used in the first and second preferred embodiments of the present invention, Figure 7 is a block diagram of a second preferred embodiment of the present invention invention, Figure 8 is a block diagram of a third preferred embodiment of the present invention.

Beste modus for utførelse av oppfinnelsen Best Mode for Carrying Out the Invention

I det etterfølgende vil den foreliggende oppfinnelse bli diskutert ved å beskrive foretrukne utførelsesformer og ved å referere seg til de vedlagte tegninger. Men selv om en spesifikk utførelsesform vil bli beskrevet i forbindelse med videokonferanse og stereolyd vil en fagmann på området kunne utøve andre applikasjoner og modifikasjoner innenfor omfanget av oppfinnelsen som definert i de vedlagte selvstendige kravene. In what follows, the present invention will be discussed by describing preferred embodiments and by referring to the attached drawings. But even if a specific embodiment will be described in connection with video conferencing and stereo sound, a person skilled in the art will be able to carry out other applications and modifications within the scope of the invention as defined in the attached independent claims.

Spesielt fremviser den foreliggende oppfinnelse et system og en fremgangsmåte for å modifisere høyttalersignalet for å tillate forbedret ekkokansellering av audiosignalet innfanget ved mikrofoner uten å forringe den opplevde stereo (eller multikanal) -lyd. Grunnideen er å slå sammen signaler fra forskjellige kanaler inn til et monokarakter-istisk signal, og samtidig opprettholde tilstrekkelig romlig informasjon for å fremskaffe inntrykk av multikanallyd på høyttaleren. In particular, the present invention provides a system and method for modifying the speaker signal to allow improved echo cancellation of the audio signal captured by microphones without degrading the perceived stereo (or multichannel) sound. The basic idea is to merge signals from different channels into a mono-characteristic signal, and at the same time maintain sufficient spatial information to create the impression of multi-channel sound on the speaker.

Både en generalisert versjon for multikanaltilfellet (inkludert stereo) og foretrukne utførelsesformer for stereoutførelsen introduserer vesentlig mindre opplevd forvrengning på audiosignal enn dekorrelasjonsalgoritmene i henhold til teknikkens stilling. Den bevarer den subjektive stereoopplevelsen, men samtidig ved bruk a denne oppfinnelsen er det mulig å kansellere ekko ved bruk av en monoekkokansellator og å oppnå en adekvat høy konvergenshastighet ved bruk av en beregningsmessig effektiv LMS-algoritme (mer kostbare og raskere algoritmer så som APA og RLS kan også brukes, noe som vil øke konvergenshastigheten). Derfor, sammenlignet med teknikkens stilling vil oppfinnelsen også redusere kompleksiteten ved ekkokanselleringssystemet, idet de to linjeestimeringene innefor stereoekkokansellator kan erstattes med en, vanligvis mindre kostbar enkeltlinjeestimator. Both a generalized version for the multi-channel case (including stereo) and preferred embodiments for the stereo embodiment introduce significantly less perceived distortion to the audio signal than the decorrelation algorithms according to the state of the art. It preserves the subjective stereo experience, but at the same time using this invention it is possible to cancel echoes using a mono echo canceller and to achieve an adequately high convergence speed using a computationally efficient LMS algorithm (more expensive and faster algorithms such as APA and RLS can also be used, which will increase the convergence speed). Therefore, compared to the state of the art, the invention will also reduce the complexity of the echo cancellation system, as the two line estimations within the stereo echo canceller can be replaced with a usually less expensive single line estimator.

Figur 4 viser et system som illustrerer den foreliggende oppfinnelse i et generelt tilfelle. Figure 4 shows a system that illustrates the present invention in a general case.

I figur 4 gjelder følgende sammenhenger mellom figurelementer og deres henvisningsbetegnelser: In Figure 4, the following relationships apply between figure elements and their reference designations:

Alle (venstre og høyre for stereotilfellet) høyttalersignalene passerer gjennom en All (left and right for the stereo case) speaker signals pass through one

sammenslåingstransformasjon som kombinerer signalene til ett enkelt monosignal. Dette enkle kombinerte signalet brukes som referansesignal for en monoekkokansellator. merge transform that combines the signals into a single mono signal. This simple combined signal is used as a reference signal for a mono echo canceller.

Sammenslåingstransformasjonen kan tilegnes på forskjellige måter, og både ikke-lineære og teknikker som tar hensyn til variasjon over tid kan brukes om ønskelig. Det viktige er at et enkelt referansesignal blir laget for ekkokansellatoren og at den romlige audioinformasjonen bevares. The merge transform can be acquired in different ways, and both non-linear and time-varying techniques can be used if desired. The important thing is that a single reference signal is created for the echo canceller and that the spatial audio information is preserved.

Videre, før en presenterer signalene på høyttaleren vil det kombinerte signalet bli delt inn i et signal for hver høyttaler ved en delingstransformasjon. For et stereotilfelle vil signalet bli delt inn i en venstre og høyre kanal. Furthermore, before presenting the signals on the loudspeaker, the combined signal will be divided into a signal for each loudspeaker by a division transformation. For a stereo case, the signal will be split into a left and right channel.

Delingstransformasjonen består av en del av ekkoresponsdelen som trenger å modelleres. Derfor må en passe på en ikke lager en transformasjon som kompliserer modelleringen. Standardekkokansellatorer vil vanligvis estimere ekkoresponsbanen ved bruk av en lineær modell, derfor vil en lineær delingstransformasjon være å foretrekke. Ekkokansellatoren må også spore en hvilken som helst endring i ekkoresponsbanen. Denne sporingen er relativt treg, noe som motiverer for bruk av en tidsuavhengig delingstransformasjon. The division transform consists of part of the echo response part that needs to be modeled. Therefore, one must be careful not to create a transformation that complicates the modelling. Standard echo cancellers will usually estimate the echo response path using a linear model, therefore a linear division transform would be preferable. The echo canceller must also track any change in the echo response trajectory. This tracking is relatively slow, which motivates the use of a time-independent division transformation.

Sammenslåingen og delingstransformasjonen må konfigureres for å skape et sett av audiosignaler med romlig informasjon bevart, for å sikre at de sammen begrenser lydmessige artefakter som følge av transformasjonen. The merge and split transform must be configured to create a set of audio signals with spatial information preserved, to ensure that together they limit audio artifacts resulting from the transform.

Sett fra ekkokansellatorens side, når en kun oppnår et referansesignal som fullstendig representerer høyttalerlastsignalet vil signalet fremstå som mono, selv om signalet blir delt og avspilt på flere forskjellige høyttalere. Derfor, ved et godt valg av sammenslåings- og delingstransformasjonen vil et signal med subjektiv romlig informasjon kunne bli prosessert ved en Seen from the echo canceller's side, when you only obtain a reference signal that completely represents the speaker load signal, the signal will appear as mono, even if the signal is split and played on several different speakers. Therefore, by a good choice of the merging and dividing transformation, a signal with subjective spatial information could be processed by a

monoekkokansellator. mono echo canceller.

I figur 5 vises et generelt tilfelle av den foretrukne utførelsesform av et stereo (to-kanal) -tilfelle. In Figure 5, a general case of the preferred embodiment of a stereo (two-channel) case is shown.

I figur 5 gjelder de samme sammenhenger mellom figurelementer og deres henvisningsbetegnelser som for figur 4. In figure 5, the same relationships between figure elements and their reference designations apply as for figure 4.

Sammenslåingstransformasjonen utgjøres av to lineære filtre HCL og HCr, en for hver kanal, og en adderer. Delingstransformasjonen utgjøres ved to andre lineære filtre HDL og HDR. The merging transformation consists of two linear filters HCL and HCr, one for each channel, and an adder. The division transformation is made up of two other linear filters HDL and HDR.

Et sett filtre som bevarer den romlige informasjonen ved kun å introdusere begrenset sanselig degradering av audiokvaliteten er to komplementære comb-filtre HCl og HCr: A set of filters that preserve the spatial information by introducing only limited perceptual degradation of the audio quality are two complementary comb filters HCl and HCr:

HcL(f) = Kc for f e [f 2n/f 2n+ i~ >r 0 ellers, og HcL(f) = Kc for f e [f 2n/f 2n+ i~ >r 0 otherwise, and

HCR(f) = Kc for f e [ f 2n+i# f 2n+2>, 0 ellers, HCR(f) = Kc for f e [ f 2n+i# f 2n+2>, 0 otherwise,

der n = 0, 1,' 2 .... og f n er et fritt valgt sett av frekvenser. Kc er en forsterkningsfaktor for å kompensere for tap introdusert ved comb-filtrering. Frekvensresponsen for de to filtrene blir illustrert i figur 6. merk at disse er ideelle filtre, noe som i praksis er vanskelig å oppnå. Men det er mulig å konfigurere filtrene slik at de blir komplementære selv om de individuelt sett ikke er ideelle. where n = 0, 1,' 2 .... and f n is a freely chosen set of frequencies. Kc is a gain factor to compensate for losses introduced by comb filtering. The frequency response of the two filters is illustrated in figure 6. note that these are ideal filters, which is difficult to achieve in practice. But it is possible to configure the filters so that they are complementary even if individually they are not ideal.

Delingstransformasjonen har tilsvarende filtre: The division transform has corresponding filters:

HDL(f) = KD for f e [f 2n,f 2n+i>f 0 ellers, og HDL(f) = KD for f e [f 2n,f 2n+i>f 0 otherwise, and

HDR(f) = KD for f e [f 2n+i,f 2n+2>f 0 ellers, HDR(f) = KD for f e [f 2n+i,f 2n+2>f 0 otherwise,

for dette samme sett av frekvenser f n som for sammenslåingstransformasjonen. KD er en forsterkningsfaktor for å kompensere for tap introdusert av comb-filtreringen. for this same set of frequencies f n as for the merging transform. KD is a gain factor to compensate for losses introduced by the comb filtering.

Vanligvis, for å opprettholde energien gjennom system vil KcGenerally, to maintain the energy through system Kc will

<*>KD vanligvis bli valgt tilsvarende 2. <*>KD usually be selected corresponding to 2.

Sammenslåingsfiltret fjerner halvparten av The merge filter removes half of

frekvensinnholdet i hver kanal for å gjøre signalene sammenslåbare til et monosignal ved en adderer, som blir fremskaffet som referansesignalet for ekkokansellatoren. Det sammenslåtte signalet blir så delt igjen ved bruk av et delingsfilter med respektive frekvensrespons korresponderende til sammenslåingsfilterne og det resulterende høyre og venstre signal blir lastet til den venstre og høyre høyttaler. the frequency content of each channel to make the signals combinable into a mono signal by an adder, which is provided as the reference signal for the echo canceller. The merged signal is then split again using a dividing filter with respective frequency response corresponding to the merging filters and the resulting right and left signals are loaded to the left and right speakers.

Den fysiske fortolkning av formlene ovenfor er at noen frekvensbånd blir avspilt i den venstre høytaleren, mens de gjenværende frekvensbånd blir avspilt på den høyre høytale-ren. Ved å gjøre frekvensbåndene passende smale vil den overordnede oppfatning av audiokvaliteten og rominformasjo-nen være god ved bruk av naturlige genererte audiosignaler som ikke inneholder for mange rene enkelttoner. Dette skyldes ørets egenskaper. I tillegg, ved avspilling på et høyttalende system, vil den venstre og høyre kanal mer eller mindre adderes fullstendig før den når ørene. Monode-len (summen av høyre og venstre kanal) vil således bli blandet tilbake akustisk og vil derfor fremstå som svært lite degradert. Sidedelen (forskjellen mellom venstre og høyre kanal) vil bli mer påvirket, men erfaring har likevel vist at romoppfatningen knapt reduseres. The physical interpretation of the formulas above is that some frequency bands are played in the left speaker, while the remaining frequency bands are played on the right speaker. By making the frequency bands suitably narrow, the overall perception of the audio quality and room information will be good when using naturally generated audio signals that do not contain too many pure single tones. This is due to the characteristics of the ear. In addition, when playing on a speaker system, the left and right channels will more or less completely add before reaching the ears. The mono part (the sum of the right and left channels) will thus be mixed back acoustically and will therefore appear to be very little degraded. The side part (the difference between the left and right channel) will be more affected, but experience has nevertheless shown that the perception of space is hardly reduced.

Som allerede nevnt er det vanskelig å fremskaffe ideelle filtre som vist i figur 6, men om de blir holdt svært nær opp til det ideelle vil delingsfiltrene kunne unnlates, og systemenes kompleksitet kan bli redusert til det ene illustrert i figur 7. As already mentioned, it is difficult to obtain ideal filters as shown in Figure 6, but if they are kept very close to the ideal, the dividing filters can be dispensed with, and the system's complexity can be reduced to the one illustrated in Figure 7.

I figur 7 gjelder de samme sammenhenger mellom figurelementer og deres henvisningsbetegnelser som for figur 4. In Figure 7, the same relationships between figure elements and their reference designations apply as for Figure 4.

Dette avviker fra den opprinnelige strukturen som er presentert, men det vil fremdeles fungere som følge av at de komplementære filtrene sikrer at kryssbanene har en f orsterkningsf aktor lik null, dvs. Hci (f)<*>HDR(f) = 0 og Hcr(f) *HLL(f) = 0 ved alle frekvenser. Når en utelater delingsfiltrene vil selvfølgelig forsterkningsfaktoren KD måtte bli inkludert enten i sammenslåingsfiltrene eller som en forsterkning et annet sted i systemet. This deviates from the original structure presented, but it will still work as a result of the complementary filters ensuring that the cross paths have a gain factor equal to zero, i.e. Hci (f)<*>HDR(f) = 0 and Hcr (f) *HLL(f) = 0 at all frequencies. When one omits the dividing filters, the gain factor KD will of course have to be included either in the merging filters or as a gain elsewhere in the system.

Faktiske implementeringer som den beskrevet over vil bruke tilsvarende brede frekvensbånd for å unngå behovet av et antall forskjellige filtre (ensartede filtre) idet mange filterbanker, inkludert de som brukes innenfor de fleste subbåndsekkokanselatorer, ha bånd med identiske båndbred-der. Den krevde frekvensbredden derimot for hver "tann" Actual implementations such as the one described above will use similarly wide frequency bands to avoid the need for a number of different filters (uniform filters) since many filter banks, including those used within most subband echo cancellers, have bands with identical bandwidths. The required frequency width, on the other hand, for each "tooth"

(tooth) for kamfiltrene er i realiteten frekvensavhengig. Lave frekvenser krever smalere "tenner" enn høye frekvenser, og for å tilpasses dette kriteriet i et ensartet kam-filter vil et upraktisk høyt antall "tenner" være nødven-dig. Vanligvis vil derimot en svært begrenset rominfor-mas jon være til stede i de lavere frekvenser. Derfor vil det være fordelaktig å avspille mono (dvs. sumsignalet) i alle (begge) kanaler ved lave frekvenser, dvs.: HcL(f) = KMC for f e [0,fi>, Kc for f e [f 2n+2, f 2n+3>, 0 ellers, og (tooth) for the comb filters is in reality frequency dependent. Low frequencies require narrower "teeth" than high frequencies, and in order to adapt to this criterion in a uniform comb filter, an impractically high number of "teeth" will be necessary. Generally, however, very limited spatial information will be present in the lower frequencies. Therefore, it would be advantageous to play mono (i.e. the sum signal) in all (both) channels at low frequencies, i.e.: HcL(f) = KMC for f e [0,fi>, Kc for f e [f 2n+2, f 2n+3>, 0 otherwise, and

Hcr (f) = KMC for f e [0,fi>, Kc for f e [f 2n+i, f 2n+2>, 0 ellers, og Hcr (f) = KMC for f e [0,fi>, Kc for f e [f 2n+i, f 2n+2>, 0 otherwise, and

Hdl(f) = KMD for f e [0,fi>, KD for f e [f 2n+2, f 2n+3>, 0 ellers, og Hdl(f) = KMD for f e [0,fi>, KD for f e [f 2n+2, f 2n+3>, 0 otherwise, and

Hdr (f) = KMD for f e [0,fi>, KD for f e [f 2n+i, f 2n+2>, 0 ellers, der n = 0, 1, 2, 3, .... og f„ er et fritt valgt sett av frekvenser. Kc og KD er forsterkningsfaktorer for å kompensere for tap introdusert ved kamfiltreringen. Kc<*> KD vil vanligvis tilsvare 2 for å opprettholde forsterkningen gjennom systemet. KMC og Kmd er f orsterkningsf aktorer valgt for å opprettholde monosignalnivået, og KMc<*> KMD blir vanligvis valgt som en enhet. Den fysiske tolkningen av dette vil være at lavfrekvensdelen som blir avspilt på høytalerne er fullbåndsmonosignaler, mens ved høyere frekvenser vil de venstre og høyre signaler bli filtrert ved komplementære Hdr (f) = KMD for f e [0,fi>, KD for f e [f 2n+i, f 2n+2>, 0 otherwise, where n = 0, 1, 2, 3, .... and f„ is a freely chosen set of frequencies. Kc and KD are gain factors to compensate for losses introduced by the comb filtering. Kc<*> KD will typically equal 2 to maintain gain throughout the system. KMC and Kmd are gain factors chosen to maintain the mono signal level, and KMc<*> KMD is usually chosen as unity. The physical interpretation of this would be that the low-frequency part that is played on the speakers are full-band mono signals, while at higher frequencies the left and right signals will be filtered by complementary

kamfiltre. comb filters.

Kamfiltrene beskrevet over er spesielt passende når de blir brukt sammen med en subbåndsekkokanselator. Idet analy-sefiltrene blir konstruert for å dele et fullbåndssignal inn i frekvensbånd og syntesefiltrene blir utformet for å sammenslå subbåndet tilbake til et fullbåndssignal, har subbåndskanselatoren allerede innebygget det meste av pro-sesseringsblokkene som er nødvendig for å implementere kam-filterstrukturen. The comb filters described above are particularly suitable when used in conjunction with a subband echo canceller. Since the analysis filters are designed to split a full-band signal into frequency bands and the synthesis filters are designed to combine the subband back into a full-band signal, the subband canceler already has built-in most of the processing blocks necessary to implement the comb filter structure.

Dette er utnyttet i en foretrukket utførelsesform for den foreliggende oppfinnelse illustrert i figur 8. This is utilized in a preferred embodiment of the present invention illustrated in Figure 8.

I figur 8 gjelder de samme sammenhenger mellom figurelementer og deres henvisningsbetegnelser som for figur 4, og i tillegg følgende: In figure 8, the same relationships between figure elements and their reference designations apply as for figure 4, and in addition the following:

Den venstre og høyre kanal er individuelt delt i frekvensbånd som representerer Li og Ri ved bruk av to tilfeller av analysefiltre. De to signalene blir så kombinert til et enkelt referansesignal Ci innenfor subbåndsdomenet: The left and right channels are individually divided into frequency bands representing Li and Ri using two cases of analysis filters. The two signals are then combined into a single reference signal Ci within the subband domain:

Ci = KcL/i <*> Li + KCR,i <*> Ri Ci = KcL/i <*> Li + KCR,i <*> Ri

der KcL/i og KCr,i er vektfaktorer for henholdsvis venstre og høyre kanal, og bokstavene i angir subbåndsnumre. Signalet C blir brukt som inngang til ekkokanselatoren som høyt-talerreferansesignalet. where KcL/i and KCr,i are weighting factors for the left and right channels respectively, and the letters i indicate subband numbers. The signal C is used as input to the echo canceller as the loudspeaker reference signal.

Før avspilling av utgangssignalet vil referansesignalet videre bli delt inn i henholdsvis nye venstre og høyre kanalsignaler Li' og Ri' : Before playback of the output signal, the reference signal will be further divided into new left and right channel signals Li' and Ri', respectively:

Avslutningsvis blir disse modifiserte signaler prosessert gjennom syntesefiltre for å utgjøre fullbåndsversjoner av det samme. Denne prosessen tilfører noe forsinkelse og idet denne forsinkelsen er en del av ekkobanen, kan det være fordelaktig å forsinke referansesignalet tilsvarende for å unngå å beregne ikke-årsaksmessige filterforgreninger innenfor responsen. Finally, these modified signals are processed through synthesis filters to constitute full-band versions of the same. This process adds some delay and as this delay is part of the echo path, it may be advantageous to delay the reference signal accordingly to avoid calculating non-causal filter branches within the response.

For en standard kamfiltreringsstruktur blir KCL,i<*> KDL,i valgt tilsvarende 2 hvor i er oddetall, og null for i er liketall, mens KCr,i<*> KDR(i blir valgt til 0 der i er oddetall og 2 der i er liketall. Ved å kombinere lavere frekvensbånd til et monosignal som antydet over, vil det også være enkelt å tenke seg en hvilken som helst annen kombina-sjon. Sammenslåingen og delingskonstantene kan bli valgt fritt uten å bekymre seg for ekkokanselatorytelsen idet analyse og syntesefilterbankene allerede inkluderer passende skarpe frekvensbåndsoverganger. Sammenslåings-konstantene kan være tidsavhengig og/eller ikke-lineær om nødvendig mens delingskonstantene innbefattende en del av banen som skal modelleres fortrinnsvis skal holdes lineær og tidsuavhengig. For a standard comb filtering structure, KCL,i<*> KDL,i is chosen to correspond to 2 where i is odd, and zero for i is even, while KCr,i<*> KDR(i is chosen to be 0 where i is odd and 2 where i are even numbers. By combining lower frequency bands into a mono signal as indicated above, it will also be easy to imagine any other combination. The merging and dividing constants can be chosen freely without worrying about the echo canceller performance in the analysis and synthesis filterbanks already include suitable sharp frequency band transitions.The merging constants can be time dependent and/or non-linear if necessary while the dividing constants including part of the path to be modeled should preferably be kept linear and time independent.

For den mer generelle tilnærmingen, dersom KCl,i<*> KDR,i = 0 og KCR,i <*> KDL,i = 0 for alle i, vil sammenslåing og de-lingsprosessen kunne bli erstattet ved enkel kopie-ring/signalruting. En subbåndskansellator modifisert for å implementere sammenslåing og delingsfilterstrukturen som dette blir også vist i figur 8. Skaleringsfaktoren som kompenserer for den tapte energien ved sletting av alle andre subbånd skal bli inkorporert i venstre/høyre analyse/syntesefiltrene eller et annet sted i systemet. Figu-ren viser tilfelle der alle like (even) bånd er ekstrahert og brukt for venstre kanal og alle odde bånd fra høyre kanal. Selvfølgelig vil den motsatte løsningen fungere like godt. For the more general approach, if KCl,i<*> KDR,i = 0 and KCR,i <*> KDL,i = 0 for all i, the merging and dividing process could be replaced by simple copying/signal routing . A subband canceller modified to implement the merge and divide filter structure like this is also shown in Figure 8. The scaling factor that compensates for the energy lost by deleting all other subbands should be incorporated into the left/right analysis/synthesis filters or elsewhere in the system. The figure shows the case where all even bands are extracted and used for the left channel and all odd bands from the right channel. Of course, the opposite solution will work just as well.

Bortsett fra sammenslåing- og delingsprosessene som begge er enkle vektormultiplikasjoner og addisjoner vil ingen nye byggeblokker bli tilføyd til en standard monosubbåndsek-kokansellator ved bruk av denne strukturen, noe som gjør bruk av denne teknikken enkel å implementere. Apart from the merging and dividing processes which are both simple vector multiplications and additions, no new building blocks will be added to a standard monosubband co-cancellator using this structure, making the use of this technique easy to implement.

Sammenlignet med virkeliggjøring av stereokansellatorer ved bruk av dekorrelasjonsteknikker vil to nye syntesefiltre måtte bli tilføyd. Imidlertid som følge av en enkel refe-ransevektor vil kun ett sett av ekkobanemodeller måtte bli implementert. Prosesseringseffekten som kreves for to syntesefiltre er normalt liten sammenlignet med prosesseringseffekten som kreves for et tilleggs ekkobanemodelloppsett, derfor vil prosesseringskraften som kreves for denne tilnærming være vesentlig mindre enn for standard stereoekkokansellatorer. De lydmessige artifakter blir mindre merk-bare enn innenfor kjent dekorreleringsteknikk. Ekstrafor-sinkelse introdusert i høyttalersignalbanen kan være en ulempe i enkelte applikasjoner, mens innenfor andre applikasjoner (for eksempel videokonferanser der audiosignalet blir forsinket for å oppnå synkronisering mellom lyd og bilde) vil være ukritisk. Compared to the realization of stereo cancellers using decorrelation techniques, two new synthesis filters would have to be added. However, as a result of a simple reference vector, only one set of echo path models will need to be implemented. The processing power required for two synthesis filters is normally small compared to the processing power required for an additional echo path model setup, therefore the processing power required for this approach will be significantly less than for standard stereo echo cancellers. The sonic artefacts become less noticeable than within known decorrelation techniques. Extra delay introduced in the speaker signal path can be a disadvantage in some applications, while within other applications (for example video conferencing where the audio signal is delayed to achieve synchronization between sound and image) will be uncritical.

En av hovedfordelene ved foreliggende oppfinnelse er at den tillater å håndtere et stereoaudiosignal med en monoekkokansellator med kun enkelte mindre endringer for kansella-toren. Således vil teknikken være rask å implementere. Det vil også utnytte byggeblokkene i standard subbåndskansellatorer. One of the main advantages of the present invention is that it allows a stereo audio signal to be handled with a mono echo canceller with only a few minor changes to the canceller. Thus, the technique will be quick to implement. It will also utilize the building blocks of standard subband cancellers.

I den foreliggende oppfinnelse vil det videre kreves ve-sentlige lavere prosessorkraft enn standard stereoekkokansellator, og den tilfører mindre hørbar degradering til audiosignalet enn stereoekkokansellatorer som bruker kjente korreleringsteknikker. In the present invention, substantially less processing power will be required than the standard stereo echo canceller, and it adds less audible degradation to the audio signal than stereo echo cancellers that use known correlation techniques.

Claims

1. An audio system at a supporting conference party configured to receive a multi-channel audio signal (4130) from a remote conference party and present corresponding audio on a plurality of speakers, obtain supporting audio (4006) at one or more microphones and send corresponding supporting audio signals (4005) to the remote conference party, characterized by a combining unit (4007) configured to combine the multi-channel audio signal (4130) into a mono signal in which spatial audio information is preserved, by providing frequency complementary filters to the multi-channel audio signals, one for each channel, and by adding the channels after filtering to form said mono signal, a preload unit (4008) configured to load audio onto a plurality of speakers by dividing said mono signal followed by filtering with frequency responses corresponding to said frequency complementary filters, or by delivering the multi-channel audio signal filtered with said frequency complementary filters onto the plurality of speakers, and a mono echo canceller (4125, 4127, 4131, 4100) which uses said mono signal as a reference signal to generate an echo model signal which is subtracted from the source audio signal before transmission to the remote conference party.

2. An audio system according to claim 1, characterized in that said frequency complementary filters are filters with comb filter frequency responses.

3. An audio system according to claim 1, characterized by a first analysis filter (4125) which divides said mono signal into a number of sub-band mono signals where said mono echo canceller is a sub-band echo canceller, a second analysis filter (4131) which divides the source audio signal into a number of source audio sub-signals, where said echo model signal is a sub-band echo model signal generated by said sub-band echo canceller, a first synthesis filter (4127) which combines said number of supporting audio subband signals, after subtracting said subband echo model signal from a corresponding one of said number of supporting audio subband signals and before transmission to the remote conference part.

4. An audio system according to one of claims 1 to 3, characterized in that said preload unit (4008) works together with said frequency complementary filters.

5. An audio system according to one of the preceding requirements, characterized in that the multi-channel signal (4130) is a stereo audio signal comprising a left (L) channel (4001) and a right (R) channel (4003).

6. An audio system according to claim 5, characterized in that a first of said frequency complementary filters, associated with said L-channel, has a frequency response with the following characteristics: HL(f) = Kc for fe [f 2n,f 2n+i >, 0 otherwise, and a second of said frequency complementary filters associated with said R channel has a frequency response with the following characteristics: Hr (f) = Kc for fe [f 2n+l,f 2n+2 >r 0 otherwise.

7. An audio system according to one of the above requirements, characterized in that the multichannel signal is a stereo audio signal comprising a left (L) channel and a right (R) channel.

8. An audio system according to claim 7, characterized in that said frequency complementary filters include a respective left and right analysis filter, and that said preload unit includes a respective left and right synthesis filter where equal subband frequencies from said left analysis filter comprise equal subband frequency inputs to said left synthesis filter , and wherein odd subband frequencies out of said right analysis filter comprise odd subband frequency inputs to said right synthesis filter, and said adders are configured to respectively add an even subband frequency output for said left analysis filter with a corresponding odd subband frequency output for said right analysis filter, thereby creating a corresponding subband mono signal, which comprises said mono signal which is used as said reference signal obtained for a corresponding subband mono echo canceller consisting of said mono echo canceller.

9. A method for an audio system at a supporting conference party that receives a multi-channel audio signal (4130) from a remote conference party and presents corresponding audio on a plurality of speakers, acquires supporting audio (4006) at one or more microphones and sends the remote conference party, characterized by combining the multi-channel audio signal into a mono signal while preserving spatial audio information by filtering the multi-channel audio signal with frequency complementary filters, one for each channel of the multi-channel audio signal, and by adding the channels after filtering the the frequency complementary filters, for forming said mono signal, producing audio on the plurality of speakers by dividing said mono signal followed by filtering with frequency responses corresponding to said frequency complementary filters, or by delivering the multi-channel audio signal filtered with said frequency complementary filters on the plurality of speakers, and to use said mono signal as a reference signal in a mono echo canceller (4125, 4127, 4131, 4100) to generate an echo mono signal which is subtracted from the source audio signal before transmission to the remote conference party.

10. Method according to claim 9, characterized in that said frequency complementary filters are filters with comb filter frequency responses.

11. Method according to claim 10, characterized by the following additional steps: dividing said mono signal into a number of sub-band mono signals by a first analysis filter (4125) where said mono echo canceller is a sub-band echo canceller, dividing the supporting audio signal into a number of supporting audio sub-signals by a second analysis filter ( 4131), where said echo model signal is a subband echo model signal generated by said subband echo canceller, to combine said number of said feeding audio subband signals by a first synthesis filter (4127) after subtracting said subband echo model signal from a corresponding one of said number of feeding audio subband signals, and before transmission to the removing conference party.

12. Method according to claims 9 to 11, characterized in that said step of producing audio on the plurality of speakers is performed by a preload unit (4008) which cooperates with said set of filters.

13. Method according to one of claims 9 to 12, characterized in that the multi-channel signal (4130) is a stereo audio signal comprising a left (L) channel (4001) and a right (R) channel (4003).

14. Method according to claim 13, characterized in that a first of said frequency complementary filters associated with said L-channel has a forward response in accordance with the following characteristics: HL(f) = Kc for f e [f 2n, f2n+i > , 0 otherwise, and a second of said frequency responses associated with said R channel has the following characteristics: Hr (f) = Kc for f e [f2n+i,f 2n+2 >, 0 otherwise.

15. Method according to one of claims 9-14, characterized in that the multi-channel signal is a stereo audio signal comprising a left (L) channel and a right (R) channel.

16. Method according to claim 15, characterized in that the step of further filtering includes the following additional step: dividing said L channel by a left analysis filter into a number of left subband frequency outputs and said R channel by a right analysis filter into a number of right subband frequency outputs , as the step to add further includes the following additional step: to combine equal (eng.: even) left subband frequency outputs for said left analysis filter by a left synthesis filter and odd right subband frequency outputs for said right analysis filter by a right synthesis filter, wherein the step of generating further includes the following additional step: adding an even (eng.: even) subband frequency output of said left analysis filter with a corresponding odd subband frequency output of said right analysis filter to thereby create a corresponding subband mono signal, which includes said mono signal which is used as said reference signal delivered to a corresponding subband monoecho canceller comprising said monoecho cancelator